在教育信息化高速發(fā)展的情況下,面對(duì)大量的教學(xué)冗余信息,如何及時(shí)向?qū)W習(xí)者反饋學(xué)習(xí)情況是互聯(lián)網(wǎng)教育研究的一個(gè)重要目標(biāo)。在進(jìn)行習(xí)題的測(cè)試時(shí),學(xué)習(xí)者很難做出決定如何學(xué)習(xí),特別是無法根據(jù)所做習(xí)題的結(jié)果進(jìn)行相關(guān)性、針對(duì)性知識(shí)點(diǎn)的復(fù)習(xí)鞏固。對(duì)此,本文以《C語言程序設(shè)計(jì)》課程為研究對(duì)象,鑒于學(xué)習(xí)者的學(xué)習(xí)行為、習(xí)題診斷結(jié)果及知識(shí)點(diǎn)本身重要程度展開研究工作。本文的主要工作包括:1)針對(duì)現(xiàn)有研究尚未充分考慮學(xué)習(xí)者的學(xué)習(xí)行為屬性對(duì)知識(shí)點(diǎn)推薦結(jié)果的影響,本之應(yīng)用模糊聚類算法根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為將學(xué)習(xí)者表示為學(xué)習(xí)積極性不同的3類,即學(xué)習(xí)積極性高、中、低。實(shí)驗(yàn)表明,這三類學(xué)習(xí)者劃分較為明顯,并且通過對(duì)學(xué)習(xí)者習(xí)題答題結(jié)果的統(tǒng)計(jì)分析,驗(yàn)證了具有不同學(xué)習(xí)積極性的學(xué)習(xí)者對(duì)知識(shí)點(diǎn)有不同的出錯(cuò)偏好,從而驗(yàn)證了模糊聚類算法應(yīng)用的有效性。2)由于傳統(tǒng)的認(rèn)知診斷模型中知識(shí)點(diǎn)掌握程度不能概率化,只有掌握和非掌握兩種情況。因此,本文提出了基于學(xué)習(xí)診斷的知識(shí)點(diǎn)推薦模型,其中綜合考慮具有相同學(xué)習(xí)積極性的學(xué)習(xí)者習(xí)題測(cè)試情況和知識(shí)點(diǎn)本身的特點(diǎn)。最后,通過對(duì)352名學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的基于學(xué)習(xí)診斷的知識(shí)點(diǎn)推薦模型的有... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

聚類分析的基本步驟Fig.2-1Basicstepsofclusteranalysis

itiiiimv vvv R'12( ,,...,)來表示。ikd 為學(xué)習(xí)者樣本kx 與第 i 類的聚類中心iv 間的歐氏距離，如公式(2-8)：ikikd v x(2-8當(dāng)以上條件滿足時(shí)，可建立如公式(2-9)的目標(biāo)函數(shù)。為使目標(biāo)函數(shù)達(dá)到最小值，計(jì)算聚類中心及隸屬度矩陣，進(jìn)行迭代。 ciiknkmikJUVud121(,)(2-92.3.2 算法實(shí)現(xiàn)本節(jié)基于上述的基礎(chǔ)知識(shí)，描述了模糊均值聚類算法對(duì)學(xué)習(xí)行為的分析。如圖 2-2 所示，首先，根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為表現(xiàn)及各個(gè)分區(qū)的比重的不同，將學(xué)習(xí)者行為數(shù)值化且收集處理后的數(shù)據(jù)集，作為用于模糊均值聚類算法分析的輸入數(shù)據(jù)集，進(jìn)行模糊均值聚類算法實(shí)現(xiàn)。根據(jù)模糊均值聚類算法，計(jì)算出隸屬度矩陣及聚類中心矩陣，最后得到學(xué)習(xí)積極性等級(jí)不同的學(xué)習(xí)者聚類結(jié)果。

專項(xiàng)測(cè)試 綜合測(cè)試專項(xiàng) 1 專項(xiàng) 2 專項(xiàng) 3 專項(xiàng) 4 ... 專項(xiàng) 7 ... F1 100 80 60 0 ... 0 ... 22 100 60 60 80 ... 60 ... 54... ... ... ...350 100 60 20 30 ... 0 ... 48351 100 80 0 0 ... 0 ... 74... ... ... ...(2) 學(xué)習(xí)者視頻觀看情況分析經(jīng)過數(shù)據(jù)挖掘技術(shù)可得到學(xué)習(xí)者的討論區(qū)活躍度及視頻觀看情況，圖 2-3 為隨機(jī)抽取某兩個(gè)學(xué)習(xí)者的具體視頻觀看詳情，可看出每個(gè)學(xué)習(xí)者對(duì)于每個(gè)知識(shí)點(diǎn)視頻觀看情況各不相同。因此，學(xué)習(xí)者的視頻觀看情況也是一個(gè)影響學(xué)習(xí)者積極性等級(jí)的重要因素，根據(jù)學(xué)習(xí)者知識(shí)點(diǎn)整體視頻的觀看情況，將每個(gè)學(xué)習(xí)者的視頻觀看時(shí)長根據(jù)下面的式(2-10)數(shù)值化為視頻觀看成績。學(xué)習(xí)者序號(hào)測(cè)試項(xiàng)

【參考文獻(xiàn)】：
期刊論文
[1]基于認(rèn)知診斷的協(xié)同過濾試題推薦[J]. 單瑞婷,羅益承,孫翼.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(03)
[2]基于知識(shí)點(diǎn)層次圖的個(gè)性化習(xí)題推薦算法[J]. 蔣昌猛,馮筠,孫霞,陳靜,張蕾,馮宏偉.  計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[3]基于Spark的BIRCH算法并行化的設(shè)計(jì)與實(shí)現(xiàn)[J]. 李帥,吳斌,杜修明,陳玉峰.  計(jì)算機(jī)工程與科學(xué). 2017(01)
[4]基于認(rèn)知診斷的個(gè)性化試題推薦方法[J]. 朱天宇,黃振亞,陳恩紅,劉淇,吳潤澤,吳樂,蘇喻,陳志剛,胡國平.  計(jì)算機(jī)學(xué)報(bào). 2017(01)
[5]基于MOOC數(shù)據(jù)的學(xué)習(xí)行為分析與預(yù)測(cè)[J]. 蔣卓軒,張巖,李曉明.  計(jì)算機(jī)研究與發(fā)展. 2015(03)
[6]協(xié)作學(xué)習(xí)中基于協(xié)同過濾的學(xué)習(xí)資源推薦研究[J]. 葉樹鑫,何聚厚.  計(jì)算機(jī)技術(shù)與發(fā)展. 2014(10)
[7]聚類分析及其應(yīng)用研究[J]. 楊森.  計(jì)算機(jī)安全. 2014(01)
[8]一種結(jié)合主動(dòng)學(xué)習(xí)的半監(jiān)督文檔聚類算法[J]. 趙衛(wèi)中,馬慧芳,李志清,史忠植.  軟件學(xué)報(bào). 2012(06)
[9]基于網(wǎng)格結(jié)構(gòu)的CLARANS改進(jìn)算法[J]. 張書春,孫秀英.  計(jì)算機(jī)工程. 2012(06)
[10]網(wǎng)格聚類算法[J]. 趙慧,劉希玉,崔海青.  計(jì)算機(jī)技術(shù)與發(fā)展. 2010(09)

博士論文
[1]教育資源推薦服務(wù)中若干關(guān)鍵技術(shù)的研究[D]. 王龍.吉林大學(xué) 2013

碩士論文
[1]基于蟻群信息素優(yōu)化算法的微學(xué)習(xí)路徑推薦研究[D]. 趙琴.太原理工大學(xué) 2017
[2]基于學(xué)習(xí)分析的適應(yīng)性學(xué)習(xí)路徑推薦系統(tǒng)設(shè)計(jì)與開發(fā)[D]. 陳智慧.華中師范大學(xué) 2016
[3]基于大數(shù)據(jù)的教育資源個(gè)性推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 金志福.中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院) 2015
[4]推薦系統(tǒng)中一種改進(jìn)的協(xié)同過濾推薦算法的研究[D]. 方衛(wèi)華.西安電子科技大學(xué) 2013
[5]基于關(guān)聯(lián)規(guī)則的知識(shí)點(diǎn)智能導(dǎo)航的研究[D]. 劉偉.華中師范大學(xué) 2009



本文編號(hào)：3340748